Eine Anwaltskanzlei, eine Wirtschaftsprüfungsgesellschaft oder ein Beratungsunternehmen hat keine Produktionslinie, keinen nennenswerten Fuhrpark und meistens keine eigene Betriebshalle. Der Ausstoß liegt nicht in Maschinen, sondern in Menschen: Bürogebäuden, Laptops, Geschäftsreisen und den Dienstleistungen, die bei anderen eingekauft werden. Wo ein Industrieunternehmen die meisten Emissionen innerhalb der eigenen Wände messen kann, liegt bei der Unternehmensdienstleistung der größte Teil gerade außerhalb dieser Wände. Das verschiebt die Frage von „was stoßen wir aus" zu „was stoßen die Parteien um uns herum aus", und genau diese Verschiebung ist der Punkt, an dem die Daten schwierig werden.
Die Basisdaten über das eigene Gebäude sind oft noch zu finden: Energierechnungen beim Facility Management, Servicekontrakte beim Gebäudeverwalter, Mietverträge bei Finance. Doch sobald der Scope breiter wird, zerfallen die Daten über Abteilungen, die nicht unbedingt miteinander sprechen. Reisekosten und Spesenabrechnungen befinden sich im HR- oder Spesensystem, oft ohne Unterscheidung zwischen Flugreise, Zug oder Auto. Der Einkauf von IT-Dienstleistungen, Cloudspeicher und Softwarelizenzen läuft über Procurement oder über separate Fachbereichsverträge, mit Rechnungen, die den Energieverbrauch des Lieferanten nicht ausweisen. Papierverbrauch, Drucksachen und Catering liegen beim Facility Management. Zeitarbeitskräfte und Freelancer stehen manchmal in den Personalzahlen und manchmal nicht, abhängig davon, wie die HR-Verwaltung eingerichtet ist.
Der größte Posten, die eingekauften Dienstleistungen anderer Unternehmen, ist meist der vageste. Ein Beratungsunternehmen, das Subunternehmer einsetzt, eine Wirtschaftsprüfungsgesellschaft, die Arbeit an eine andere Kanzlei auslagert, ein Rechtsteam, das externe Fachleute hinzuzieht: diese Dienstleistungskette erzeugt Emissionen, die nirgendwo automatisch erfasst werden, weil die Rechnung nur den Betrag zeigt und nicht die Herkunft.
Da es kein Gerät gibt, das kontinuierlich misst, entstehen die Nachhaltigkeitsdaten bei der Unternehmensdienstleistung oft durch manuelle Sammlung: jemand fragt Rechnungen beim Facility Management an, fragt Reisedaten bei HR an, fragt Einkaufsdaten bei Procurement an, und klebt das in einer Tabellenkalkulation zusammen. Diese Tabellenkalkulation wird das faktische System der Wahrheit, ohne dass jemand angeben kann, wer die Quelle jeder Zahl verwaltet oder wie oft sie aktualisiert wird. Bei der nächsten Berichtsrunde wird die Arbeit oft erneut ausgeführt, mit einer leicht anderen Auswahl an Quellen, wodurch Zahlen von Jahr zu Jahr schwer zu vergleichen sind.
Die Verlockung besteht darin, ein Berichtstool anzuschaffen, sobald die Fragebögen eintreffen. Doch ein Tool, das über eine verstreute, manuelle Sammlung gelegt wird, macht das Ergebnis vor allem übersichtlicher, nicht zuverlässiger. Die zugrunde liegende Frage bleibt dann unbeantwortet: wer ist Eigentümer des Reisedatenpunkts, woher kommt die Energiekennzahl des Gebäudes, welche Qualitätsregel bestimmt, ob ein ausgeschlossener Freelancer mitzählt oder nicht. Ohne ein Register, in dem pro Datenpunkt steht, wo er entsteht, wer ihn verwaltet und welche Regel die Qualität überwacht, bleibt jeder Bericht eine Momentaufnahme dessen, was jemand in diesem Monat sammeln konnte.
Die Data Readiness Scan von csrdready.net erfasst dieses Register für diese spezifische Branche: pro Datenpunkt die Quellsysteme, den Weg von der Quelle zum Bericht, den Eigentümer innerhalb der Organisation und die Regel, die bestimmt, ob der Wert stimmt. Für eine Büroorganisation bedeutet das oft eine Kombination aus Facility-Systemen, HR-Verwaltung, Procurement und manueller Eingabe, alle mit ihrem eigenen Rhythmus und ihrem eigenen Verwalter. Der Scan legt diese Kombination fest, sodass sie nicht jedes Jahr erneut erfunden werden muss.
Die Art, wie diese Zersplitterung entsteht, unterscheidet sich je nach Branche. Wer vergleichen möchte, wie das bei ähnlichen Fragestellungen aussieht, kann sich die Verteilung von Energie- und Einkaufsdaten im Einzelhandel ansehen, die Rolle von Kundenreisen und Serverdaten in der IT-Branche, oder die Verwobenheit von Anlagedaten und eigener Geschäftsführung bei Finanzdienstleistern. Die Muster unterscheiden sich, aber der Kern ist stets derselbe: Daten, die in Systemen entstehen, die nicht mit Blick auf Berichterstattung gebaut wurden.
Die Data Readiness Scan wird derzeit aufgebaut. Es gibt noch kein funktionierendes Produkt, das heute durchlaufen werden kann, und hier wird nichts verkauft, das noch nicht existiert. Wer für die eigene Organisation festlegen möchte, wo das Datenpunktregister beginnen soll, kann sich für die Warteliste anmelden und wird informiert, sobald der Scan verfügbar ist.
Sobald klar ist, welcher Datenpunkt aus welchem System kommt und wer dafür verantwortlich ist, verschiebt sich die Aufmerksamkeit oft auf die Frage, wie viel von der Sammelarbeit selbst noch manuell erfolgen muss. Das Anfragen von Rechnungen, das Zusammenführen von Tabellenkalkulationen und das Kontrollieren von Zahlen sind Aufgaben, die sich aufteilen lassen in den Teil, der einem festen Muster folgt, und den Teil, der Beurteilung erfordert. FTE TO AI berechnet pro Aufgabe, welcher Teil dieser Arbeit von KI übernommen werden kann, als Folgeschritt, nachdem das Datenpunktregister steht.
Vraag maar waar een datapunt vandaan komt. Dat is meestal de hele vraag.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.